Brain0-ai/brain0

解决的问题

brain0 为 AI 生成代码的「为何」提供可见性。虽然 git 记录了「变更了什么」，但 brain0 追踪了编码代理（如 Claude Code 或 Codex）进行这些变更时的意图、提示和上下文，解决了 AI 生成差异的不透明性和「黑箱」开发问题。

工作原理

它作为一个被动观察者，读取 git 历史记录和编码代理在磁盘上生成的转录文本，无需钩子或代码更改。它构建了仓库的决策图，将提交与代理意图关联到函数级别。它使用 Tree-sitter 进行符号提取和身份追踪，并可与本地模型（通过 Ollama）或托管 LLM 集成以生成摘要和进行语义搜索。该系统还对「声明的变更」（代理声称所做的更改）与「实际的变更」（git 实际记录的更改）进行比对，以检测偏差。

适用人群

使用 AI 编码代理的开发者和团队，需要审计追踪、AI 引入的 bug 的根本原因调试，以及监控代理读取的敏感数据（DLP）。

特色亮点

• 被动观察：无需集成或代理协作；只需读取现有日志和 git 历史记录。
• 偏差检测：识别 AI 代理声称的变更与实际提交的变更之间的差距。
• 代理上下文的 DLP：记录并扫描代理在会话期间读取的文件中的密钥。
• 风险评分：基于影响范围、变更频率和历史证据（例如回滚）为文件和符号分配风险评分。
• MCP 集成：提供 Model Context Protocol (MCP) 服务器，使代理在编辑代码前可查询图谱以了解代码的来源和风险。
• 本地优先：默认离线工作，使用本地嵌入和可选的本地 LLM（通过 Ollama）。